XiaoMi-AI文件搜索系统
World File Search Systemize
医疗数据预训练：一项调查
摘要：医疗数据是指与常规患者护理相关或作为临床试验计划的一部分的健康相关信息。此类数据有很多类别，例如临床影像数据、生物信号数据、电子健康记录 (EHR) 和多模态医疗数据。随着近十年深度神经网络的发展，新兴的预训练范式已占据主导地位，因为它显著提高了机器学习方法在数据有限情况下的性能。近年来，医学领域的预训练研究取得了重大进展。为了总结这些技术进步，本文对几种主要医疗数据预训练的最新进展进行了全面调查。在本次调查中，我们总结了大量相关出版物和医学领域现有的基准。特别是，本调查简要描述了一些预训练方法如何应用于医疗数据或为医疗数据开发。从数据驱动的角度来看，我们研究了预训练在许多医疗场景中的广泛使用。此外，基于最近的预训练研究的总结，我们发现了该领域的几个挑战，以便为未来的研究提供见解。
医学数据中的预培训：调查
摘要：医学数据是指与常规患者护理相关的健康相关信息或作为临床试验计划的一部分。此类数据有许多类别，例如临床成像数据，生物信号数据，电子健康记录（EHR）和多模型医学数据。随着过去十年中深层神经网络的发展，新兴的预训练范式已成为主导，因为在数据限制的情况下，它已经显着改善了机器学习方法'的性能。近年来，医学领域的预培训的研究取得了重大进展。总结了这些技术进步，这项工作对几种主要类型的医疗数据进行预培训的最新进展提供了全面的调查。在这项调查中，我们概述了大量相关出版物和医疗领域中的现有基准测试。，调查简要描述了如何将某些预培训方法应用于医疗数据或开发。从数据驱动的角度来看，我们研究了许多医学方案中预训练的广泛使用。此外，根据最近培训前研究的摘要，我们在该领域中确定了几个挑战，以提供未来研究的见解。
（c）IEEE 2024。允许个人使用此材料。在任何当前或将来的媒体中，包括R
摘要 - 自动驾驶有可能革命的个人，公共和货运流动性。除了准确地感知环境外，自动化车辆还必须计划安全，舒适和有效的运动轨迹。为了促进安全性和进步，许多作品依赖于预测周围交通未来运动的模块。模块化自动驾驶系统通常将预测和计划作为顺序，单独的任务处理。这说明了周围交通对自我车辆的影响，但它无法预料到交通参与者对自我车辆行为的反应。最近的方法越来越多地整合了联合或相互依存的步骤中的预测和计划，以模拟双向相互作用。迄今为止，缺乏对不同集成原则的全面概述。我们会系统地回顾最新的基于深度学习的计划系统，并专注于它们如何整合预测。集成的不同方面从系统体系结构到高级行为方面都被考虑并相互关联。此外，我们讨论了不同整合原则的含义，优势和局限性。通过指出研究差距，描述相关的未来挑战并突出研究领域的趋势，我们确定了有希望的未来研究方向。
人工智能不会给我们带来精准医疗
引言 21 世纪初，人类 DNA 测序工作刚刚完成，所有重要的科学研究都卷入了狂热和乐观的浪潮之中。我们说的并不是几个身穿白大褂、孤身一人的思想家，他们被关在象牙塔里。我们说的是使用全世界所有语言的媒体，是世界政界和科学界的知名人士。几乎每个人都相信：“我们正在学习上帝创造生命的语言”[1]，或者“基因组计划将彻底改变大多数（如果不是全部）人类疾病的诊断、预防和治疗”[1]，以及“从长远来看，也许再过 15 到 20 年，我们将看到治疗医学的彻底变革”[2]。然后是世界各地报纸和杂志的头版。例如，2000 年 6 月 27 日，《纽约时报》刊登了整版头条：“科学家破解了人类生命的遗传密码”，并评论道：“这一成就代表了人类自我认知的顶峰” [3]。人类基因组计划面临许多限制和非常严厉的批评。其中一个主要缺点当然是它主要关注 DNA 序列，最初忽略了
混合动力汽车经济参数优化研究...
* 通讯作者：Priyaranjan Mahapatra 稿件收到：稿件接受：摘要随着可再生能源市场的快速发展，将不同的能源组合成混合可再生能源系统 (HRES) 的重要性越来越受到关注。这些混合系统可以克服单个发电技术在燃料效率、经济性、可靠性和灵活性方面的局限性。主要问题之一是光伏 (PV) 和风能资源的随机性。风通常与负载模式无关，有时在风能充足时可能会被丢弃。此外，太阳能仅在白天可用。由能源存储、可再生和不可再生能源发电组成的混合能源系统可以缓解与可再生能源不确定性和波动相关的问题。混合能源系统中的大量随机变量和参数需要进行优化，以最有效地调整混合系统组件的大小，以实现经济、技术和设计目标。本章概述了混合可再生能源系统的最佳尺寸和优化算法，以及设计此类系统时考虑的不同目标函数。关键词：混合能源系统、目标、优化、可再生能源、规模
AI4MAT-ICLR-2025：ICLR 2025 人工智能研讨会
我们提议在 ICLR 2025 上举办一个全天中型研讨会，题为“加速材料设计的人工智能”（AI4Mat-ICLR-2025）。该研讨会将成为人工智能与材料科学交叉领域的研究人员使用人工智能驱动的技术解决紧迫科学挑战的场所，如图 1 所示。人工智能正在开始彻底改变材料科学与工程，推动学术和政府机构（美国国家标准与技术研究所 (NIST)，2024 年；多伦多大学，2024 年；mol，2023 年；宾夕法尼亚州立大学，2024 年；美国国家科学基金会 (NSF)，2024 年）和企业研究实验室（IBM Research，2024 年；默克集团，2023 年；微软研究，2024 年；FAIR Chem，2024 年）的全球重大研究计划，同时还出现了几家由人工智能驱动的材料发现初创公司（Radical AI，2024 年；CuspAI，2024 年；PhaseTree，2024 年；Entalpic AI， 2024；轨道材料，2024）。为了促进这些不同利益相关者之间的合作，我们的研讨会将采用包容性材料设计方法，涵盖晶体、聚合物、分子、纳米材料、非晶态材料和高熵材料等多种物质形式。这种整体方法将确保全面的讨论，并促进材料领域的新方向。
SoK：商品操作系统上的 Rowhammer
过去几年，Rowhammer 引起了学术界和工业界的广泛关注，因为 Rowhammer 攻击会对系统安全造成严重后果。自 2014 年首次对 Rowhammer 进行全面研究以来，已证实存在许多针对基于动态随机存取存储器 (DRAM) 的商品系统的 Rowhammer 攻击，这些攻击可破坏软件的机密性、完整性和可用性。因此，已提出了许多软件防御措施来缓解针对旧版（例如 DDR3）或最新 DRAM（例如 DDR4）商品系统的 Rowhammer 攻击。此外，业界已将多种硬件防御措施（例如 Target Row Refresh）部署到最新的 DRAM 中以消除 Rowhammer，我们将其归类为生产防御措施。在本文中，我们系统化了 Rowhammer 攻击和防御措施，重点关注基于 DRAM 的商品系统。特别是，我们建立了一个统一的框架来展示 Rowhammer 攻击如何影响商品系统。通过该框架，我们描述了现有的攻击，并揭示了尚未探索的新攻击媒介。我们进一步利用该框架对软件和生产防御进行分类，概括其关键防御策略并总结其主要局限性，从而确定潜在的防御策略。
电源结至外壳热特性问题...
有几种方法可以定义结到外壳的热阻；然而，用一个数字准确且可重复地描述封装中的热流是相当具有挑战性的。对于许多功率封装系列（如 TO 型封装），热瞬态测试和所谓的双界面方法可以提供可靠的结果。双热瞬态的结构函数分歧点可以很好地描述此类结构中的材料界面。然而，分歧点的位置和性质在很大程度上取决于热扩散的形状和方向。如果封装面积远大于散热芯片，则使用不同的界面时热流的形状会发生变化 [1,2]。这导致与两种设置相对应的结构函数在到达外壳表面之前就有很大偏差。本文探讨了这种现象的起源。对不同的大型 IGBT 模块进行了测量和模拟结果比较，对其结构进行了多项修改，从而可以详细分析热流路径。对只加热大模块的一小部分和加热所有芯片进行了比较。一些样品经过了热循环可靠性测试，导致芯片下方出现裂纹。借助结构函数，可以直观地看到减少芯片贴装面积的影响。
![arxiv：2501.16546v1 [cs.ai] 2025年1月27日](/simg/g:\will\search\icon\source\0\034c54f7346ac860f99cd36ed1d83ff17b75cf2b.webp)
arxiv：2501.16546v1 [cs.ai] 2025年1月27日
行为克隆通过从专家演示中学习来表现出许多在许多决策任务中的成功，但是它们可能是非常低效的样本效率，并且未能概括地看不见的情况 - ios。解决这些问题的一种方法是引入一般领域知识，以便该政策可以集中在基本特征上，并可以通过应用这些知识来概括地看不到国家。尽管这些知识很容易从专家那里获取，但由于神经网络中缺乏疾病结构以及功能工程的时间耗尽性质，很难与单个示例中的学习相结合。为了从通用知识和特定的演示轨迹中学习，我们使用大型语言模型的编码能力来实例化基于自然语言的专家领域知识的策略结构，并通过演示调整策略中的参数。我们将这种方法命名为知识知情模型（KIM），因为结构反映了专家知识的语义。在我们对Lunar Lander和赛车任务的实验中，我们的方法学会了以5个演示的方式解决任务，并且对噪声非常强大，从而超过了基线模型，并具有域名知识。这表明，借助大型语言模型，我们可以将域知识纳入策略的结构中，从而提高了行为克隆的样本效率。
以肾上腺髓质素-2受体为靶点，发现和开发新型抗癌药物
摘要简介：肾上腺髓质素 (AM) 是一种肽，负责许多生理过程，包括血管健康和激素调节。AM 信号失调可通过促进增殖、血管生成和转移来刺激癌症。两种 AM 受体以不同的方式促进肿瘤进展。肾上腺髓质素-1 受体 (AM 1 R) 调节血压，通过 AM 1 R 阻断 AM 信号在临床上是不可接受的。因此，拮抗肾上腺髓质素-2 受体 (AM 2 R) 是抗癌药物开发的一种途径。涵盖的领域：我们回顾文献以强调 AM 在癌症中的作用以及描述 AM 1 R 和 AM 2 R 在促肿瘤微环境发展中介导的具体作用。我们强调探索受体之间残基差异的重要性，这导致了开发一流的选择性 AM 2 R 小分子拮抗剂。我们还总结了当前针对 AM 及其受体的方法、其抗肿瘤作用及其局限性。专家意见：作为工具化合物，AM 2 R 拮抗剂将允许剖析 CGRPR（降钙素基因相关肽受体）、AM 1 R 和 AM 2 R 的功能，并具有作为一流肿瘤疗法的巨大潜力。此外，这些 AM 2 R 拮抗剂缺乏可检测的副作用和良好的类药物药代动力学特性支持了这类化合物作为潜在抗癌疗法的前景。